论文针对我国新型液氧甲烷发动机故障检测与隔离的需要,开展了以管路故障检测因子为观测量的管路故障检测与隔离方法研究,探索了基于模糊聚类与神经网络的发动机子系统故障隔离方法,并开发了试后故障分析系统。本文首先对液氧甲烷发动机的工作原理和结构进行了深入的分析,依据具体的统计数据确定出故障频发部位;然后依据管路的流动方程,分析了管路在泄漏和堵塞状态下,相关故障检测因子及其微分值的变化规律,并根据此规律结合自适应阈值算法对试车数据进行了实例检测;接着研究了发动机剩余子系统基于模糊聚类与神经网络的建模方法,充分利用了聚类算法与神经网络算法的优点,进一步提高了建模的精度,并依据所建模型,结合试车数据验证了基于该模型的故障隔离方法。最后通过Matlab-GUI平台,将这些方法集成为一个试后故障分析系统。研究结果表明,以故障检测因子为观测量的ATA故障检测方法能准确地检测出相关管路的故障,同时基于模糊聚类与神经网络的故障隔离方法能准确地隔离出发动机子系统的故障部位,这两种方法对液氧甲烷发动机完成了全方位的故障检测与隔离,具有较高的可靠性和稳健性。